Update app.py

app.py

@@ -14,6 +14,9 @@ import requests
 from google.cloud import texttospeech, vision
 import base64
 
+nltk.download('punkt', quiet=True)
+nltk.download('stopwords', quiet=True)
+
 # Cargar las claves API desde el archivo .env
 load_dotenv()
 openai_api_key = os.getenv("OPENAI_API_KEY")
@@ -29,9 +32,6 @@ else:
 if not brevo_api_key:
     st.error("No API key provided for Brevo. Please set your API key in the .env file.")
 
-nltk.download('punkt', quiet=True)
-nltk.download('stopwords', quiet=True)
-
 def extraer_texto_pdf(archivo):
     texto = ""
     if archivo:
@@ -58,16 +58,14 @@ def preprocesar_texto(texto):
     tokens = [stemmer.stem(word) for word in tokens]
     return " ".join(tokens)
 
-def obtener_respuesta(pregunta, texto_preprocesado, modelo, temperatura=0.5, assistant_id="", contexto=""):
+def obtener_respuesta(pregunta, texto_preprocesado, modelo, temperatura=0.5, assistant_id="asst_4ZYvBvf4IUVQPjnugSZGLdV2", contexto=""):
     try:
-        messages = [
-            {"role": "system", "content": "Actua como Galatea la asistente de la clinica Odontologica OMARDENT y resuelve las inquietudes"},
-            {"role": "user", "content": f"Contexto: {contexto}\n\n{pregunta}\n\nContexto PDF: {texto_preprocesado}"}
-        ]
-        
         response = openai.ChatCompletion.create(
             model=modelo,
-            messages=messages,
+            messages=[
+                {"role": "system", "content": "Actua como Galatea la asistente de la clinica Odontologica OMARDENT y resuelve las inquietudes"},
+                {"role": "user", "content": f"{contexto}\n\n{pregunta}\n\nContexto: {texto_preprocesado}"}
+            ],
             temperature=temperatura
         )
         respuesta = response.choices[0].message['content'].strip()
@@ -299,14 +297,9 @@ def buscar_datos_guardados():
             datos = cargar_desde_txt(archivo_seleccionado)
             if datos:
                 st.write(f"### Datos del archivo {archivo_seleccionado}")
-                datos_split = datos.split('\n')
-                for dato in datos_split:
-                    if ':' in dato:
-                        key, value = dato.split(':', 1)
-                        st.markdown(f"**{key.strip()}**: {value.strip()}")
-                    else:
-                        st.markdown(dato)
-
+                for linea in datos.split('\n'):
+                    if linea.strip():  # Verificar si la línea no está vacía
+                        st.markdown(f"**{linea.split(':')[0]}:** {linea.split(':')[1]}")
                 # Link to download the file
                 try:
                     with open(os.path.join(carpeta, archivo_seleccionado), 'rb') as file:
@@ -466,40 +459,41 @@ def mostrar_recomendaciones():
     st.title("⭐ Recomendaciones")
     st.write("Aquí puedes encontrar recomendaciones y consejos útiles.")
 
+def interpretar_imagen(imagen):
+    client = vision.ImageAnnotatorClient()
+    content = imagen.read()
+    image = vision.Image(content=content)
+    response = client.document_text_detection(image=image)
+
+    if response.error.message:
+        st.error(f"Error en la interpretación de la imagen: {response.error.message}")
+        return None
+
+    return response.full_text_annotation.text
+
 def mostrar_interpretacion_imagen():
     st.title("🖼️ Interpretación de Imágenes con Google Vision")
 
-    image_file = st.file_uploader("Subir una imagen", type=["jpg", "jpeg", "png"])
-    if image_file:
-        with tempfile.NamedTemporaryFile(delete=False, suffix=".jpg") as tmp_file:
-            tmp_file.write(image_file.read())
-            image_path = tmp_file.name
-
-        client = vision.ImageAnnotatorClient()
-        with open(image_path, "rb") as image:
-            content = image.read()
-            image = vision.Image(content=content)
-            response = client.label_detection(image=image)
-            labels = response.label_annotations
-
-        if response.error.message:
-            st.error(f"Error al interpretar la imagen: {response.error.message}")
-        else:
-            st.write("### Etiquetas detectadas")
-            for label in labels:
-                st.write(f"**{label.description}** (Score: {label.score})")
+    imagen = st.file_uploader("Sube una imagen para interpretar", type=['png', 'jpg', 'jpeg'])
+
+    if imagen:
+        texto_interpretado = interpretar_imagen(imagen)
+        if texto_interpretado:
+            st.write("### Texto Interpretado:")
+            st.write(texto_interpretado)
 
-    pregunta_usuario = st.text_input("Pregunta sobre la imagen:")
-    if st.button("Enviar Pregunta") and image_file:
-        contexto_imagen = ", ".join([label.description for label in labels])
-        manejar_pregunta_usuario(pregunta_usuario, contexto_imagen)
+            st.session_state['mensajes_chat'].append({"role": "user", "content": texto_interpretado})
+            pregunta_usuario = st.text_input("Haz una pregunta sobre la imagen interpretada:")
+
+            if st.button("Enviar Pregunta"):
+                manejar_pregunta_usuario(pregunta_usuario, archivo_pdf=None, contexto=texto_interpretado)
 
 def main():
     st.set_page_config(page_title="Galatea OMARDENT", layout="wide")
     
     # Inicializar el estado de la sesión
     if 'modelo' not in st.session_state:
-        st.session_state['modelo'] = "gpt-4-turbo"
+        st.session_state['modelo'] = "gpt-3.5-turbo"
     if 'temperatura' not in st.session_state:
         st.session_state['temperatura'] = 0.5
     if 'mensajes_chat' not in st.session_state:
@@ -519,6 +513,11 @@ def main():
     if 'memoria' not in st.session_state:
         st.session_state['memoria'] = {}
 
+    # Cargar y preprocesar el texto del PDF predefinido
+    with open("assets/instrucciones.pdf", "rb") as file:
+        texto_pdf = extraer_texto_pdf(file)
+        st.session_state['texto_preprocesado_pdf'] = preprocesar_texto(texto_pdf)
+
     # Barra lateral
     ruta_logo = os.path.join("assets", "Logo Omardent.png")
     if os.path.exists(ruta_logo):
@@ -685,22 +684,22 @@ def mostrar_galatea_asistente():
     else:
         st.warning("No se ha cargado ninguna imagen. Por favor, carga una imagen en la página principal.")
 
-def manejar_pregunta_usuario(pregunta_usuario, contexto=""):
+def manejar_pregunta_usuario(pregunta_usuario, archivo_pdf=None, contexto=""):
     st.session_state['mensajes_chat'].append({"role": "user", "content": pregunta_usuario})
     with st.chat_message("user"):
         st.markdown(pregunta_usuario)
 
     texto_preprocesado = ""
-    archivo_pdf = st.session_state.get('archivo_pdf')
     if archivo_pdf:
         texto_pdf = extraer_texto_pdf(archivo_pdf)
         texto_preprocesado = preprocesar_texto(texto_pdf)
-    
+    else:
+        texto_preprocesado = st.session_state['texto_preprocesado_pdf']
+
     # Obtener respuesta del modelo usando Assistant ID si está presente
     assistant_id = st.session_state.get('assistant_id', '')
-    contexto_completo = st.session_state['memoria'].get('última_interacción', '') + " " + contexto
     if assistant_id:
-        prompt = f"{contexto_completo}\n\n{pregunta_usuario}\n\nContexto PDF: {texto_preprocesado}"
+        prompt = f"{contexto}\n\n{pregunta_usuario}"
         response = openai.ChatCompletion.create(
             model=st.session_state['modelo'],
             messages=[
@@ -718,7 +717,7 @@ def manejar_pregunta_usuario(pregunta_usuario, contexto=""):
             st.session_state['modelo'],
             st.session_state['temperatura'],
             assistant_id,
-            contexto_completo
+            contexto
         )
     
     st.session_state['mensajes_chat'].append({"role": "assistant", "content": respuesta})
@@ -752,8 +751,9 @@ def manejar_pregunta_usuario(pregunta_usuario, contexto=""):
     st.markdown(f"<script>document.getElementById('background-video').play();</script>", unsafe_allow_html=True)
 
     # Almacenar la información importante en la memoria
-    st.session_state['memoria']['última_interacción'] = pregunta_usuario
-    guardar_en_txt('memoria_asistente.txt', f"Última interacción: {pregunta_usuario}")
+    if "nombre" in pregunta_usuario.lower() or "teléfono" in pregunta_usuario.lower():
+        st.session_state['memoria']['última_interacción'] = pregunta_usuario
+        guardar_en_txt('memoria_asistente.txt', f"Última interacción: {pregunta_usuario}")
 
 def capturar_voz():
     st.markdown(